Acceleration of SVM-based classification algorithms on GPUs

Úkolem této práce je implementace trénování a klasifikace SVM klasifikátorů na GPU. Je zde nastíněn úvod do programování v jazyce CUDA C, který je také použit pro realizaci klasifikátoru se čtyřmi běžně používanými typy kernel funkcí, tedy lineární, polynomiální, RBF a tangenciální. Dále je popsán moderní a velmi rychlý algoritmus trénování SVM klasifikátorů - SMO. Dalším úkolem je porovnání výsledků a časů běhu s veřejně dostupnými implementacemi SVM na GPU a dále ještě s balíkem LIBSVM. Důležitou součástí této práce je optimalizace implementovaného klasifikátoru v programovacím jazyce CUDA C.Katedra kybernetikyObhájenoThe goal of this work is an implementation of training and prediction of SVM classifiers on GPU. There is a brief introduction to the CUDA C programming language, which is also used for the implementation of a classifier with four commonly used types of kernel functions, linear, polynomial, RBF and tangential. Next goal is description of modern and very fast algorithm for training of SVM classifiers - SMO. Another challenge is the comparison of run times and the classification results with freely available libraries for SVM classifiers using GPU and LIBSVM toolbox. An integral part of this work is to optimize the classifier implemented in the CUDA C programming languag